製造業のAI外観検査・画像認識｜燕三条・新潟で不良検出を自動化する実践ガイド

「ベテランの目視検査に頼りきりで、退職されたら品質が保てない」「検査員が足りず、生産が追いつかない」——金属加工や刃物、機械部品などのものづくりが集まる燕三条をはじめ、新潟の製造業から、いまこうした声が増えています。その解決策として注目されているのが、製造業のAI外観検査です。本記事では、画像認識AIで不良検出を自動化する仕組みと、現場への導入の進め方を、専門用語をかみくだきながら実践的に解説します。新潟県三条市のAI開発会社TIFFINが、自社の画像認識の開発実績をもとにご案内します。

外観検査の現場が抱える課題——目視検査の限界・人手不足・ばらつき

多くの製造現場では、製品のキズや欠け、汚れ、異物の混入を、検査員が一つひとつ目で確認しています。この目視検査は柔軟で頼りになる一方、いくつもの限界を抱えています。まず、長時間の検査では集中力が落ち、見逃しが起こります。次に、人によって「これは不良」「これは許容」の判断が分かれ、検査結果にばらつきが出ます。さらに、技術の習熟には時間がかかり、ベテランが退職すると一気に検査能力が落ちてしまいます。

加えて深刻なのが人手不足です。新潟の製造業でも検査員の採用は年々難しくなっており、「人を増やして対応する」という従来のやり方では立ち行かなくなりつつあります。品質を落とさず、生産量を保ちながら、限られた人数で回す——この難題に応える手段として、AIによる外観検査の自動化が現実的な選択肢になってきました。

AI外観検査とは——画像認識・物体検出(YOLO)の仕組みをやさしく

AI外観検査とは、カメラで撮影した製品の画像を、AIが自動で「良品か・不良品か」を見分ける仕組みです。その中核を担うのが画像認識AI、なかでも「物体検出」と呼ばれる技術です。物体検出では、画像のどこに何があるかを四角い枠（バウンディングボックス）で囲って示します。たとえば「ここにキズがある」「ここに異物がある」といった具合に、不良の場所と種類を同時に教えてくれます。

この物体検出で広く使われているのがYOLO（ヨロ）という技術です。YOLOは「You Only Look Once」の略で、画像を一度見るだけで対象の位置と種類を高速に判定できるのが特長です。1枚の画像を瞬時に処理できるため、ベルトコンベアで流れてくる製品をリアルタイムに検査する、といった用途に向いています。AIは、あらかじめ大量の「良品の画像」と「不良品の画像」を学習することで、人が言葉で説明しにくい微妙な違いまで見分けられるようになります。

TIFFINでは、このYOLOを使った画像認識システムを実際に開発した実績があります。三条市に導入されたクマ検知システムAIVISは、カメラ映像からクマをリアルタイムに検出するもので、約95%の精度を実現しました。クマという対象を見分ける技術と、製品のキズや異物を見分ける技術は、根っこは同じ画像処理の検査システムです。

AI検査で何ができるか——キズ・欠け・異物・寸法のチェック例

AI不良検出で対応できる検査は多岐にわたります。代表的なものを挙げると、次のような検査が自動化の対象になります。

• キズ・打痕：金属部品や刃物の表面に付いた擦りキズ、へこみ、打痕の検出。
• 欠け・割れ：エッジの欠損やバリ、成形品の割れなど形状の異常。
• 異物・汚れ：製品に付着したゴミ・油・繊維くずなどの混入や付着。
• 寸法・有無：穴の位置や径、部品の取り付け漏れ、ラベルや印字のズレ・欠落。
• 色・ムラ：メッキや塗装の色ムラ、変色、研磨ムラといった表面状態のばらつき。

ポイントは、AIが「24時間、同じ基準で」判定し続けられることです。人のように疲れて見逃したり、日によって判断が揺れたりすることがありません。判定結果はデータとして記録できるため、どんな不良がどの工程で多いのかを後から分析でき、品質管理そのものの底上げにもつながります。

導入の進め方——画像を集める→学習→現場でテスト→改善

外観検査の自動化は、いきなり完璧なシステムができあがるわけではありません。次の流れで、段階的に精度を高めていきます。

• ① 画像を集める：実際の製品を撮影し、良品・不良品の画像を集めます。AIの精度は、この学習用データの質と量で大きく決まります。
• ② 教える（学習）：集めた画像に「ここが不良」と印を付け（アノテーション）、AIに何が不良なのかを学習させます。
• ③ 現場でテスト：学習させたAIを実際のラインで試し、見逃しや誤検出がどれくらい起きるかを検証します。
• ④ 改善：間違えたケースの画像を追加で学習させ、精度を磨いていきます。この繰り返しで現場が求める水準に近づけます。

照明の当て方やカメラの位置といった撮影環境も、検査精度を左右する大切な要素です。AI開発だけでなく、現場に合わせた撮影の工夫まで含めて設計できるかが、導入成功の分かれ目になります。

エッジ処理で現場完結・高速・低コストにできる

AI検査というと「クラウドに画像を送って判定する」イメージを持たれがちですが、製造現場ではエッジ処理という方式が有力です。エッジ処理とは、現場に置いた小型のコンピューターでAIの判定を完結させる方法です。クラウドへ画像を送らないため、通信の遅れがなく高速に判定でき、ラインのスピードにも追従できます。

さらに、通信費がかからず、画像が社外に出ないため情報漏えいの心配も少なく、ネット環境が不安定な工場でも安定して動きます。前述のクマ検知システムAIVISも、こうしたエッジ処理の考え方を取り入れて開発しました。高価な専用設備をそろえなくても、現場で完結する低コストな検査システムを組めるのは、AI外観検査の大きな魅力です。

スモールスタートのすすめ

AI外観検査は、最初から全ラインを一気に置き換える必要はありません。むしろ、おすすめは小さく始める「スモールスタート」です。まずは不良が多い1工程、あるいは検査員の負担が特に大きい1品目に絞ってAIを試します。そこで効果と課題を確かめ、自社に合うやり方が見えてから、対象を少しずつ広げていく——この進め方なら、初期投資を抑えながらリスクも小さくできます。

「自社の製品でも本当に検出できるのか」を確かめる小規模な実証（PoC）から始めれば、現場の納得感も得られ、社内での合意形成もスムーズになります。完璧を目指して立ち止まるより、小さく始めて育てる方が、結果的に早くゴールにたどり着けます。

新潟・三条のTIFFINに相談を

TIFFIN株式会社は、ものづくりの街・新潟県三条市を拠点に、画像認識AIや業務システムの開発を手がけています。YOLOによる物体検出でクマ検知システムAIVIS（約95%の精度）を開発・三条市へ導入した実績があり、画像処理の検査システムを、現場で動く形まで設計できるのが強みです。燕三条の製造業の現場を身近に知る地元の開発会社だからこそ、「自社のこの製品をどう検査するか」という具体的な相談に寄り添えます。

外観検査の自動化や不良検出のAI化をご検討中なら、画像AI・AIサポートやシステム開発のサービスをご覧ください。「うちの製品でもできる?」といった素朴な疑問の段階でも構いません。まずはお問い合わせから、お気軽にご相談ください。新潟の製造業のAI活用を、地元から一緒に進めていきます。